1 作业帮面经汇总资料

1.1 面经汇总参考资料

① 参考资料：

（1）牛客网：作业帮面经-41篇，网页链接

（2）知乎面经：点击进入查看

（3）面试圈：点击进入查看

② 面经框架及参考答案：

（1）面经知识框架：点击进入查看

（2）面经参考答案：点击进入查看

1.2 面经涉及招聘岗位

（1）全职岗位类

【机器学习算法工程师】、【自然语言算法工程师】、【机器学习数据挖掘工程师】、【广告推荐系统工程师】、【nlp算法工程师】、【图像视觉算法工程师】

1.3 面试流程时间安排

PS：以上流程为大白总结归纳所得，以供参考。

其他注意点：

● 有的人是三面，有的人是四面

1.4 作业帮面试心得汇总

★ 非常抠细节，非常看重码代码的能力

★ 有些人一面上来就是三道编程题

★ 算法会问很多，看重代码能力

★ 整体来说，面试难度中规中矩，主要看重的是实习，可能是实习做过相关的业务，所以问业务比较多，机器学习基础是回答实习问题的过程中带出来的

★ 面试官都挺好的，不会刻意为难，不会的我就坦白说没有了解过，面试官都会说ok，那我们换一个，也没有因此就挂掉

★ 虽然是算法岗，也会问一些计算机网络的问题

2 作业帮面经涉及基础知识点

2.1 图像处理基础

● canny算子的原理说一下？

2.2 深度学习：CNN卷积神经网络方面

2.2.1 讲解相关原理

2.2.1.1 池化方面

● 有哪些pooling？答了maxpooling，averagepooling和global average polling。

2.2.1.2 网络结构方面

● resnet v2和resnet v1的区别？

● inception各个版本的讲解；

● mobileNet v2的实现？

2.2.1.3 其他方面

● CNN的Batch Normalization工作原理，作用是什么？预测的时候怎么工作的？

2.2.2 数学计算

● 计算传统卷积和depthwise - pointwise的计算量？

2.2.3 激活函数类

● 写一下softmax的公式

2.3 深度学习：RNN递归神经网络方面

2.3.1 讲解相关原理

● bilstm-crf原理，讲crf原理？

● LSTM与RNN的不同?

2.3.2 手绘网络原理

● LSTM画图

2.4 深度学习：CNN&RNN通用的问题

2.4.1 基础知识点

● CNN为什么比NLP能够取得好的效果？

2.4.2 模型评价

● 模型的评价指标AUC是如何计算的，ROC曲线的横纵坐标代表了什么含义?

● 如果把不平衡的训练集（正负样本1：3）通过降采样平衡后，那么对于平衡后的AUC值和预测概率值有怎样的变化?

2.5 传统机器学习方面

2.5.1 讲解相关原理

2.5.1.1 数据准备

无

2.5.1.2 特征工程

① 特征降维

无

② 特征选择

● 说了一些特征处理，特征工程的手段?

2.5.1.3 有监督学习-分类和回归方面

① 分类回归树（集成学习）

A.基于bagging：随机森林

● 对比Random Forest 和 XGBoost?

B.基于boosting：Adaboost、GDBT、XGBoost

● XGBoost模型里面参数有哪些？XGBoost模型中对数据进行采样的好处？

● GBDT分类与回归的原理?GBDT为什么能用残差拟合?

● xgboost对比gbdt的不同，xgboost最大的缺点是什么?

● xgboost如何分裂，分裂时的依据，如何控制它是否分裂的，xgboost和GBDT区别？GBDT能不能预排序？

● GBDT的GB和DT从头说一下它的过程，在进行分类和回归的时候有什么不同？

● xgboost防止过拟合的方法，xgboost过拟合怎么办？

● XGBoost的损失函数是什么，节点划分准则是什么；

● GBDT算法时间复杂度?

● 讲讲xgboost，每个叶子节点的值是怎么确定的，如果换一个loss 函数还是一样吗？

● xgboost如何处理的缺失值？

● xgboost，lightgbm的区别？

② 逻辑回归LR

● Logistic回归能处理浮点数吗？

● LR除了可以用梯度下降法求还可以用什么方法求？

● LR怎么加入非线性？

● LR中的连续值特征是如何处理的

● 为什么LR要先对数据进行归一化处理

● LR用了sigmoid函数，那么LR是线性模型还是非线性模型，为什么？

● 对于传统的LR，SVM和树模型，对于他们的特征，你分别是怎么处理的？

● LR损失函数，极大似然思想

③ SVM

● SVM为什么要转成对偶问题进行求解，为什么对偶问题的解是原问题的解 ？

● SVM如何进行多分类，多分类hinge loss什么形式？

● SVM的核函数都有啥，为什么转换成对偶问题，svm对缺失值敏感吗？

● 树模型的损失函数是什么?

④ 决策树

● 决策树的构成，损失函数，剪枝，特征分裂?

● 决策树过拟合怎么办，决策树剪枝方法？

● 决策树对连续值和离散值特征是否会重复利用作为分割特征 ？

● 如何用回归树做分类问题？

● 为什么树模型对于稀疏特征效果不好？

2.5.1.4 无监督学习-聚类方面

● 聚类算法中遇到哪些问题？（kmeans 可能存在空类）

2.5.2 手推算法及代码

● 推导LR?

● 推导SVM?

2.6 深度学习&机器学习面经通用知识点

2.6.1 损失函数方面

● 问图像识别常用的损失函数？交叉熵损失

● 问逻辑回归模型，损失函数和交叉熵的区别？

● 写一下交叉熵的公式?

2.6.2 激活函数方面

● 常见的激活函数有哪些，然后比较一下tanh和sigmoid、relu、likelyrelu?

2.6.3 网络优化梯度下降方面

● 梯度下降的优化算法有哪些？

2.6.4 正则化方面

● 正则化为什么有效果？

2.6.5 过拟合&欠拟合方面

● 过拟合是什么，为什么发生过拟合，怎么解决？

● 防止过拟合，dropout实际怎么操作？

● dropout和BN

3 作业帮面经涉及项目知识点

3.1 深度学习：CNN卷积神经网络方面

3.1.1 目标检测方面

● IOU如何计算？

● 说一下Faster rcnn框架?

3.2 深度学习：RNN递归神经网络方面

3.2.1 自然语言处理NLP

① Bert

● Bert应用于有空格丢失或者单词拼写错误等数据是否有效，有何改进办法？

② Word2vec

● 讲解了word2vec，损失函数，怎么优化?

● 词袋到word2vec改进了什么、word2vec到bert又改进了什么？

③ 其他

● 如果label不是one-hot而是一个服从某个分布的向量，那么该如何设置损失函数？

3.3 强化学习

● 问了简历相关的项目，问GAN是怎么组成的，问生成器用了哪些损失函数？

3.4 机器学习方面

3.4.1 推荐系统

● 说一说FM，FM参数初始化是什么样子的呢?

● 介绍了一下deepFM，还有deepFM的改进deep cross networdk 和 xdeepfm?

4 数据结构与算法分析相关知识点

4.1 数据结构与算法分析

4.1.1 线性表

4.1.1.1 数组

● 寻找数组的最短连续子数组的长度，使得子数组的和大于等于t？

● 旋转数组找最大值

● 旋转数组求给定数的下标？

● 找出数组中最大的k个元素；

想法：

（1）快排，堆排或者归并排序进行排序，然后输出；

（2）优先队列实现；

（3）定义一个长度为k的queue，如果大于则弹出队头，维护一个递增队列，每次都需要对比队尾元素和当前元素，在做相应操作，时间复杂度过高。

● 找出有序数组中第一个小于k的数？

● 找出乱序数组种的第k大的数？

● 顺时针打印数组？

● 连续子数组乘积不大于k的可行解个数？

● 1,5,9

10,11,13

12,13,15

数组每行有序，每列有序，求第k小的数？

● 求正方形数组的90度旋转？

● 给定一个包括 n 个整数的数组 nums 和 一个目标值 target。找出 nums 中的三个整数，使得它们的和与 target 最接近。返回这三个数的和。假定每组输入只存在唯一答案。

● 数组，链表的区别

4.1.1.2 链表

● 给定一个链表，划分成子链表反转。例如，10个节点，前4个反转，4-8反转，剩下两个不足4，不用反转？

4.1.1.3 栈

● 给定两个队列，实现一个栈的功能？

4.1.1.4 字符串

● 字符串中第一个不重复的字符？

● 输入一个string，例如'aacab'，求所有可能的分割使得每一个substring 都是回文数？

例如 [a aca b] [a a c a b] [aa c a b]

● ［2、1、6、3、100、200、4］找出最长连续序列1、2、3、4。要O（n）复杂度，lz只写了O（nlogn）的。然后换了个简单的，最长连续子字符串？

● 给你一个字符串 S、一个字符串 T，请在字符串 S 里面找出：包含 T 所有字母的最小子串？

字符串分割：（1）传统方法，O(n^2）时间复杂度较高；（2）队列实现，时间复杂度仍旧较高；

● 最长递增子序列（要求复杂度nlog(n)），最长不重复连续字串（要求复杂度n）

4.1.2 树

● 输入一颗多叉树的根节点，求叶节点的值？

● 给出一串树的先序遍历字符串，*代表空节点，要求（1）写出节点定义 （2）构建树并返回根节点 （3）打印中序遍历

● 已知二叉树的先序和中序遍历序列，如何还原二叉树的结构？

● 给出前序遍历和中序遍历，重建二叉树？

● 给定二叉树的前序和中序序列，重构二叉树？

● 层次遍历建树、后序打印(非递归)

● 给定n，用1到n作为二叉搜索树的节点值，返回n个点所能组成的二叉搜索树的个数，比如n=3？

● 验证是平衡二叉树？

● 完全二叉树的定义

4.1.3 排序

● 排序算法最小的时间复杂度是多少？什么算法？

● 对于1亿个整数进行排序最小的时间复杂度是多少？（基数排序时间复杂度为O（n）），但实际中数据量大的时候其实快排比基数排序要快？这是为什么？ 那对1亿个浮点数进行排序最小的时间复杂度呢？为什么？

● 如何从200亿数字中，找到最大的100个？

● 手写快排，快速排序

● 写一下堆排序

● 合并k个有序数组，思路（堆排和归并）

4.2 算法思想实战及智力题

4.2.1 算法思想实战

● 两个人乒乓球，A比B厉害，那么A想赢的话，3局2胜好还是5局3胜好？这个题是可以用二项分布计算的。

● 两个年级同学的身高数据，正态的，怎么判断数据是相同的分布？

● 合法括号的题目

● 青蛙跳台阶的题目

● Top k 个高频元素

● 数学题，a，b，c三个连续的数，其中有两个质数，证明剩下的那个数一定可以被6整除

4.2.2 智力题

● N3的木板，用13的块铺满，有多少种方案？

● 给定一个大小为n*3的木板，问用大小为1*3的木板进行填充，有多少种填充方法？（斐波那契数列，动态规划）

● 机器人从左上角走到右下角的步数？

4.3 其他方面

4.3.1 数论

● 三个连续的数，首先它们都大于6，并且它们有两个质数，证明另一个一定能被6整除？

● 设计一个随机算法，将一个整数M分成N份 要求每份在区间【minV, maxV】之间？

● 求无符号int型中转为二进制有多少1，并考虑简便算法减少位运算次数？

4.3.2 计算几何

● 如何判断平面内的线段是否相交？

4.3.3 概率分析

● 比如五个硬币有两个两面都是花，两个两个都是字，一个一花一字，问给定正面为字的情况下背面为字的概率？

● 两个随机数产生器，R1以0.7的概率产生1，以0.3的概率产生0.R2以0.3的概率产生1，0.7的概率产生0。问如何组合这两种产生器，使新得到的随机数产生器，以0.5的概率产生1，0.5的概率产生0，随机数产生器可复用？

4.3.4 矩阵运算

● 给定一个矩阵，以及两个左边，返回以两个左边为左上角和右下角的矩形中所有数字之和。要求每次调用时间复杂度尽可能低，意思就是不能遍历相加。

（先用动态规划的思路，求出以每一个点为右下角的大矩形的所有数字的和，然后根据传入的两个坐标，将矩形面积相减就可以了）

4.3.5 其他

● 求x的平方根，精度0.01？

● 100以内的奇数以及质数，将其排列，需要满足相邻两个数不互质？

● 给定一个长度为N个整数的list，用最少的比较次数，得出list中的最大值和最小值？

4.4 Leetcode&剑指offer原题

● Leetcode 29题

● Leetcode 原题：二叉树最大路径和

● Leetcode 原题：动态规划，求递增数组的最长子序列长度，要求子序列满足斐波那契数列？

5 编程高频问题：Python&C/C++方面

5.1 python方面

5.1.1 基础知识

5.1.1.1 区别比较

● 元组和列表的区别？如何遍历元组？

5.1.1.2 讲解原理

● python 装饰器讲一下原理？

5.1.1.3 讲解应用

● Python中如何导入包，以及如何导包的执行顺序

● 如何深拷贝？

5.2 C/C++方面

无

6 操作系统高频问题：数据库&线程&常用命令等

6.1 数据库方面

无

6.2 操作系统方面

● TCP/IP模型

● 三次握手

7 技术&产品&开放性问题

7.1 技术方面

● alpha go的19x19的棋盘学习的时候，会用pooling吗？你猜它一共学了多少的特征？

● 有一个森林里面树木年龄、高度的数据，数据可能会有录入错误，怎么设计方案来挑出错误的数据？

● 大数据算法岗：布隆过滤器，URL去重（一个网站有100亿url要存入一个黑名单中，每条 url 平均 50 字节。这个黑名单要怎么存？若此时随便输入一个 url，你如何快速判断该 url 是否在这个黑名单中？ ）

7.2 产品方面

● 你的流量预测模型能否应用到作业帮的场景中，预测暑期多少学生吗？